Meta 等提出 LogT:SFT 数据质量胜过复杂 RL,GPU 开销降 120 倍
facebook · hf · 2026-11-19
Meta 与马里兰大学提出 LogT(Logically Think with Images),针对 VLM「用图思考」的细粒度视觉搜索能力,指出关键瓶颈不在 RL 复杂度而在 SFT 数据质量。
- LogT 是全自动 SFT 数据引擎,强制逻辑链引导推理,生成带视觉基础的难题和结构化、类人逻辑的工具使用轨迹。
- 在 Qwen2.5-VL-7B 和 InternVL3.5-8B 上微调并在 7 个基准上验证:LogT-SFT(Qwen2.5-VL-7B)以 3.1 倍更少数据、超过 120 倍更少 GPU 小时超越用 SFT+RL 训练的 SOTA。
- 在 LogT-SFT 上套一个无工具特化设计的简单 RL 配方,即比此前复杂 RL 方案高出 9.59 分,且工具使用更准更省、推理轨迹更有逻辑结构。
「研究」频道最新
- 芝大研究:加大思考力度只提升购物 AI 的自信,不提升正确率 — Uchicago · 2026-11-19
- UIUC 等发布 Game2Player:568 款网页游戏自动变成智能体训练场 — UIUC-CS · 2026-11-19
- 蚂蚁 Inclusion AI 发布 Invoker-Render:30 分钟稳定流式世界模型 — inclusionAI · 2026-11-19
- 免疫学家用 GPT-6.2 造出流式细胞分析软件,将开源取代千元授权费 — DeryaTR_ · 2026-11-19
- CVPR 作者算账:用 LLM 润色论文叙事比手写更贵 — AntonObukhov1 · 2026-11-19
- 开源社区 Marin 发布新预训练模型,致敬开放科学 — teortaxesTex · 2026-11-19